机器学习-数据预处理

1 连续数据特征离散化的方法

https://www.nowcoder.com/discuss/185614

由于LR 中模型表达能力有限,可以通过特征离散化来提高非线性学习能力。

主要方法:

1) 等距离散:取值范围均匀划分成n 等分,每份的间距相等。

2) 等频离散:均匀分为n 等分,每份内包含的观察点数相同

3) 优化离散:3-1 卡方检验方法: 统计样本的实际观测值与理论判断值之间的离散程度,卡方值越大,越不符合,卡方值越小,偏差越小,越趋于符合。

分裂方法: 找到一个分裂点看,左右2个区间,在目标值上分布是否有显著差异,有显著差异就分裂,否则就忽略,这个点可以没词找差异最大的点。

合并方法:先划分,如果很小单元区间,按顺序合并在目标值上分布不显著的相邻区间,直接收敛。

2 信息增益方法:

分裂方法: 找到一个分裂点看,左右2个区间,看分裂前后信息增益变化阈值,如果差值超过阈值( 正值,分裂前-分裂后信息熵),,则分裂,每次找差值最大的点做分裂点,直到收敛,

合并方法: 先划分,如果很小单元区间,按顺序合并信息增益小于阈值的相邻区间,直到收敛。

 

https://blog.youkuaiyun.com/evillist/article/details/77962435

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值